R中gregexpr无法识别重叠匹配？求检测所有重叠模式的函数

要解决重叠模式的匹配问题，你可以通过以下两种方式实现：

1. 使用base R的gregexpr结合正向预查正则 #

通过正向零宽度预查（(?=模式)）的正则语法，让匹配不消耗字符串字符，从而捕获所有重叠的起始位置。需要开启perl = TRUE来支持Perl风格正则：

# 匹配所有重叠的起始位置
matches <- gregexpr("(?=us_ca_us)", "_xx_us_ca_us_ca_us_yy_", perl = TRUE)
matches[[1]]
# 输出：[1]  5 11

这里的正向预查仅定位模式的起始位置，不占用字符，因此能识别到重叠的匹配项。

2. 使用stringr包的str_locate_all #

stringr包的str_locate_all函数同样支持正向预查，代码更简洁：

library(stringr)
# 获取所有匹配的起始位置
start_positions <- str_locate_all("_xx_us_ca_us_ca_us_yy_", "(?=us_ca_us)")[[1]][, 1]
start_positions
# 输出：[1]  5 11

原理说明 #

默认的gregexpr（未开启perl = TRUE）采用非重叠匹配，找到第一个匹配后会跳过已匹配的字符，因此无法识别重叠项。而正向零宽度预查是一种"环视"语法，仅检查当前位置后是否存在目标模式，不会移动匹配指针，因此能捕获所有重叠的起始位置。

内容的提问来源于stack exchange，提问作者user30393479